摘要:与Agent 相关的研究源于分布式人工智能(DAI).20 世纪80 年代末,Agent 研究逐渐从DAI 领域中独立出来.通过不断拓展其研究领域,与多个领域相互借鉴和融合,目前其研究内容已涵盖Agent 理论、模型与体系结构,面向Agent 的软件工程,基于Agent 的建模与模拟,Agent 通信与协作,面向Agent 的学习与规划,自组织和自适应系统以及群智能优化等多个方面,并广泛应用于软件工程、机器人、自动控制、电子商务、人机接口、医疗保健、应急管理,以及社会、经济和心理学等领域,远远超出了最初设想的DAI 应用范围.Agent 理论与技术被许多研究者寄予厚望.

摘要:为了形式化描述多智体系统中与概率、实时、知识相关的性质,提出了一种概率实时认知逻辑PTCTLK.模型检测是验证多智体系统是否满足PTCTLK 公式的主要技术,状态空间爆炸是该技术实用化的主要瓶颈,为此提出一种PTCTLK的限界模型检测算法.其基本思想是,在有限的局部可达空间中逐步搜索属性成立的证据,从而达到约简状态空间的目的.首先,将PTCTLK 的模型检测问题转换为无实时算子的PBTLK 的模型检测问题;其次,定义PBTLK 的限界语义,并证明其正确性;然后,设计基于线性方程组求解的限界模型检测算法;最后,依据概率度量的演化规律,探索检测过程终止的判别准则.实例研究结果表明,与无界模型检测相比,在属性为真的证据较短的情况下,限界模型检测完成验证所需空间更小.

摘要:信任在多Agent 系统和网络研究中越来越引起重视.主观信任一般不具备对称性和传递性,这就为基于信任的委托、信任网络的构建和基于信任的网络信息传播等带来了很大的不确定性.针对此问题,讨论了合作环境下二值信任关系及其传递性.给出了客观信任、主观信任的建模方法,给出了与信任传递性有关的几个性质,并证明了客观信任具有等价关系,而主观信任则只具备有条件的对称性和传递性,研究了构造主观信任传递闭包的可行算法,讨论了主观信任传递闭包的连通性及其测试算法,这几种算法的计算复杂度都是多项式级的.为主观信任的传递性研究做了初步的探索,给出了几个基本结论.

摘要:论辩系统是一种非单调形式体系,能够支持个体Agent 的推理决策和多Agent 之间的有效交互.由于个体Agent 的知识、观察信息和资源的动态性以及多Agent 交互过程的动态性,在各类论辩系统中,论证及其攻击关系的动态性是普遍存在的.作为一个新的研究领域,有关论辩系统动态性的概念、理论和方法远未成熟.在介绍论辩系统相关概念的基础上,阐明论辩系统动态性的两个主要研究方向(正向动态性和逆向动态性),并讨论需要解决的开放性问题.围绕这些问题,简要回顾现有的理论和方法,并分析其特点和不足.

摘要:面向Agent 程序设计(agent-oriented programming,简称AOP)基于多Agent 系统的抽象和思想、借助于Agent 理论和技术来支持软件系统的构造与实现,其程序设计思想、软件模型、基础理论和语言设施有别于现有主流程序设计技术,如OOP,代表了一种新颖的程序设计范型.由于多Agent 系统被视为支持开放环境下复杂软件系统开发的一种新颖、有效的技术手段,因而近年来AOP 受到人工智能、软件工程和分布计算等领域研究学者和工程实践人员的高度关注,并在过去20 年取得了重要进展.但是,无论在应对复杂多Agent 系统开发方面,还是在大规模工业化应用等方面,AOP 的研究与实践都面临着严峻的挑战.作为一种程序设计范型,AOP 研究需要在交叉其他学科知识(如人工智能)的基础上,充分借鉴软件工程以及已有程序设计范型的原理、原则和成功实践,从而推动技术走向成熟并为广大工程实践人员所接受.通过对AOP 研究历程的系统介绍,从软件工程的视点考虑MAS 程序设计的不同层次,综述AOP 在程序设计抽象与模型、机制与理论、语言与设施和支撑平台这4 个方面的研究成果,展示不同时期AOP 研究关注点的变化以及发展趋势,分析当前AOP 研究与实践存在的问题和面临的挑战,并展望进一步的研究.

摘要:如今,多agent 系统(multi-agent system,简称MAS)被广泛用于开发各种应用系统.当前,开放、动态、难控的计算平台要求软件系统能够根据系统自身及其环境状态信息及其改变,动态地调节自身的行为,即具备一定的上下文感知能力.然而,现有工作并未就如何向既有的MAS 应用系统引入上下文感知能力提出有效的解决方案.依照关注分离原则,结合面向上下文程序设计技术(context-oriented programming,简称COP)、反射技术(reflection)以及代码植入技术(code instrumentation),提出了一套MAS 系统上下文感知增强框架和底层支撑技术.开发人员可以在既有应用源码不可得的情况下,自动地将指定agent 类型转换为(扩展为)具有上下文感知能力的agent 类型.此外,利用底层运行支撑环境,系统管理员可以在系统运行时刻动态地调整指定agent 的上下文感知行为.

摘要:当前,面向Agent 程序设计在支持动态开放多Agent 系统开发方面存在一系列的不足,如缺乏高层抽象、底层实现模型与高层设计模型相脱节、在支持系统动态性方面缺乏有效的运行机制和语言设施等.针对这些问题,提出一种基于组织的面向Agent 程序设计方法.该方法将组织、Group、角色和Agent 等高层抽象作为一阶实体,缩小了多Agent 系统的设计模型与实现模型之间的概念鸿沟;借助于组织学中的机制——角色扮演机制、基于角色的交互——支持系统动态性的规约和实现,如Agent 行为的动态组合、动态的交互等,基于该程序设计思想,设计了基于组织的面向Agent 程序设计语言——Oragent,定义了其抽象语法和形式语义,并通过案例分析说明了如何基于该程序设计思想和Oragent 语言来构造和实现动态而灵活的多Agent 系统.

摘要:基于“绿波”效应的交通控制通过实现干道上的车流不间断地经过多个交通灯路口而不停止,是目前公认的最有效率的交通控制策略之一.然而随着城市交通规模的不断扩大,传统的集中式交通控制方法可能遇到计算和通信上的瓶颈.而当路口交通灯只能获取城市交通网络全局有限的信息时,传统的分布式控制方法可能十分低效.提出了一种基于多智能体的交通灯分布式绿波自适应控制方法.在该设计中,每一个交通灯路口通过一个非集中式的协同智能体来控制.其核心是,智能体通过预测自身下一时刻的状态进行自主决策.由于只有来自邻居路口的车辆能够直接影响当前路口下一步的状态,这一决策过程仅需要智能体通过与邻居智能体间的局部交互来完成.描述了基于多智能体交通灯分布式“绿波”效应的控制算法,并通过仿真实验验证了该方法在大规模城市交通系统中的可行性.

摘要:移动Agent(mobile agents,简称MA)技术在无线传感器网络的异常事件监测中广泛应用.基于异常事件的性质,数据中心(即sink 点)派出实现特定功能的MA 到异常目标位置附近收集传感器节点(数据源节点)的感应监测数据.与传统的客户端-服务器传输模型不同,MA技术往往能够对收集到的感应数据进行压缩和融合,从而大大减少了在网络中传播的数据流量,降低了数据传输的能量消耗.通常情况下,MA 经过的源节点越多,其收集的数据量越大.通过对目前已有的MA 行程规划算法进行研究,提出了实现Agent 数据分流的传输技术.该技术基于分流规则,决定是否提前把MA 已收集到的数据传回sink,而不携带数据的MA 继续访问余下的传感器节点.该Agent 数据分流技术解决了由于MA 携带大量数据访问源节点而造成的源节点能量消耗过快的问题,适用性强.大多数目前常用的MA 行程规划算法都可以采用该技术来提高性能.Agent 数据分流的最终目标是减少源节点传输的数据量,尽可能地延长源节点的工作寿命,从而更长时间地实现对异常目标的监控.

摘要:现有的传播网络结构推断方法大都面向信息传播过程,所能处理的数据与可获得的流行病监控数据形式和特性均不相同,不适合处理具有粗粒度、时空多尺度和数据缺失等特性的流行病监控数据.针对该问题,提出了基于自治计算的流行病传播网络建模方法和网络结构推断方法.该方法采用多自治体建模传播网络结构和流行病传播过程,采用蒙特卡罗模拟结合群智能优化的反馈过程调节系统参数,以缩小模拟系统涌现行为与真实监控数据间差异为目标,改变自治体的行为,促使模拟系统向真实系统逐步演化,以此方式推断出传播网络结构及与流行病相关的主要生物学参数.采用2009 年H1N1 猪流感在香港爆发的真实监控数据分析验证了所提出的模型与方法的有效性和适用情况,并以香港地区流行病风险评估为例介绍了流行病传播网络推断的一种应用模式.

摘要:随着分布式多智能体系统应用领域和系统规模的不断扩大,网络特性已成为影响系统性能的一个重要因素.通过研究和分析复杂网络特性对大规模分布式多智能体系统协同控制的影响,对多智能体系统性能的影响做出系统性分析,同时为提出大规模多智能体组织结构的优化算法提供依据.主要针对随机网络、小世界网络、网格网络和无尺度网络这4 种典型复杂网络特性,从理论和仿真两方面进行分析.在理论方面,通过基于马尔可夫链的信息传输过程在不同网络结构下的建模,对比分析了信息无偏随机游走模型和智能决策模型下的传输效率.在仿真建模中,主要从智能体间信息传输效率、不同应用领域中集成协同控制效率、对网络故障恢复的影响这3 个典型的多智能体系统协同控制应用对比分析复杂网络特性对系统性能的影响.研究结果表明,复杂网络特性如小世界和无尺度特性可以在相同的控制策略下形成明显的性能差异,如果设计合理的控制算法,复杂网络结构将有助于多智能体系统性能的提升.

摘要:基于遗传算法的并发谈判在电子商务应用中具有独特的优势,但已有的研究尚未考虑议题之间的相关性、动态权重的变化规则依赖于对手信息的获取,极大地限制了其使用价值.对此,提出议题分组的方法以解决议题的相关性问题,而议题权重的变化则采取从历史资源中发掘知识的方法进行动态调整.构建了基于遗传算法的关联性议题并发谈判模型,给出了模型的形式化描述、谈判算法设计和动态权重更新方案.通过对模型的实验和比较分析,证实了该方案能够更方便地满足用户谈判的多样性需求,解决谈判中议题关联性的问题,而且能够快速、有效地得出最优谈判结果.

摘要:面向大规模复杂优化问题,提出了一个基于并行粒子群优化的分布式Agent 计算框架.框架中使用一个主群(master swarm)来演化问题的完整解,并使用一组从群(slave swarm)来并行优化一组子问题的解,主群和从群通过交替执行来提高问题的求解效率.采用异步组结构,主群/从群中的各类Agent 共享一个解群,并通过相互协作,对解群进行构造、改进、修补、分解和合并等演化操作.该框架可用于求解复杂的约束多目标优化问题.通过一类典型运输问题上的实验,其结果表明,所提出的方法明显优于另外两种先进的演化算法.

摘要:随着互联网的快速发展,现有的互联网架构已经难以满足互联网新型应用的发展,在一定程度上呈现出僵化现象.网络虚拟化被认为是解决网络僵化问题的重要途径,其中的虚拟网络映射问题研究如何将具有虚拟节点和虚拟链路约束的虚拟网络映射到基础设施网络中.首先给出了虚拟网络映射问题的形式化定义,分析了虚拟网络映射问题面临的挑战性和求解目标;其次,对各种虚拟网络映射问题的求解方法加以分类,在分类的基础上,介绍了各种典型的求解方法并进行了对比;最后总结了各种虚拟网络映射问题求解方法,并指出了未来的研究趋势.

摘要:对认知无线Mesh 网络中满足QoS 约束的联合组播路由及频谱分配问题进行研究,提出了一个针对该问题的求解框架,包括问题描述、解决方案的表示、适应度函数以及频谱分配算法.基于两种具有代表性的智能计算方法:遗传算法、模拟退火,提出了两种满足端到端延迟约束的组播路由及频谱分配算法GA-MRSA 和SA-MRSA.这两种算法追求的目标是最小化组播树信道冲突总数,并且在获得较低的信道冲突数的情况下,还能占用较少的信道.仿真结果表明,所提出的两种算法能够达到预期目标,获得较低的信道冲突总数.

摘要:网络虚拟化技术可以在共用的底层网络基础设施上同时构建多个彼此隔离的虚拟网络,为用户提供差异化服务,从而解决现有因特网的僵化问题.然而,一个重要的挑战是,如何在共用的基础设施中高效地映射多个具有不同拓扑的虚拟网络,即虚拟网络的嵌套映射问题.主要根据基础设施的构成方式对现有的虚拟网络映射算法进行了综述.首先,阐述了网络虚拟化的概念、特点以及相应的虚拟网络映射模型;其次,按照基础设施的构成方式、问题空间完整性、映射阶段数等方面梳理了嵌套映射算法的最新研究进展;最后,对虚拟网络映射算法在公平性、扩展性、高利用率、信任度等未来可能的发展方向进行了展望.